示例一:
代码如下(示例):
# 引入绘图的包
import numpy as np
import matplotlib.pyplot as plt
# 引入数据样本
x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]
# 定义模型
def forwarad(x):
return x * w
# 定义损失函数
def loss(x, y):
y_pred = forwarad(x)
return (y_pred - y) **2
# 将权重和对应的权重的损失值存入相应的列表中
w_list = []
mse_list = []
for w in np.arange(0.0, 4.0, 0.1): # 生成0.0-4.0间隔为0.1的序列
print("w=", w)
l_sum = 0
# 计算预测值,求和
for x_val, y_val in zip(x_data, y_data):
y_pred_val = forwarad(x_val)
loss_val = loss(x_val, y_val)
l_sum += loss_val
print('\t', x_val, y_val, y_pred_val, loss_val)
print('MSE=', l_sum / 3)
w_list.append(w)
mse_list.append(l_sum / 3)
# 绘制图形,此时得到的mse是一个列表,要将其转换为二维坐标轴。
plt.plot(w_list, mse_list)
plt.ylabel('loss')
plt.xlabel('w')
plt.show()
输出结果:
示例二:
"""
作者:${Mr.wu}
日期:2021年{10}月{20}日
"""
import matplotlib.pyplot as plt
from matplotlib import cm
from matplotlib.ticker import LinearLocator
import numpy as np
fig, ax = plt.subplots(subplot_kw={"projection": "3d"})
# 引入数据样本
x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]
# 定义函数模型
def forward(x):
return w * x + b
# 定义损失函数
def loss(x, y):
y_pred = forward(x)
return (y_pred - y) ** 2
w_list = []
b_list = []
mse_list = []
for w in np.arange(0.0, 4.0, 0.1):
for b in np.arange(-2.0, 2.0, 0.1):
print("w=", w)
l_sum = 0
for x_val, y_val in zip(x_data, y_data):
y_pried_val = forward(x_val)
loss_val = loss(x_val, y_val)
l_sum += loss_val
print('\t', x_val, y_val, y_pried_val, loss_val)
print('MSE=', l_sum / 3)
w_list.append(w)
b_list.append(b)
mse_list.append(l_sum / 3)
# 此时mse为一个列表,要将其转换为矩阵
# 1、将其转化成矩阵(
# 2、将其转化成40*40的矩阵,即为w和b取值范围,在二维构成矩阵。
# (此时的w和b的值并不对应,即x axis与y axis反了)
# 3、故转置矩阵
mse_list = np.array(mse_list)
mse_list = mse_list.reshape(40, 40) #生成一个40*40的矩阵
mse_list = mse_list.transpose() #transpose()可以将指定的两个维度的元素进行转置
# w和b由于嵌套的for循环,每个值都出现了40次,故要去重,接下来使用meshgrid将w和b转化成40*40的矩阵
w, b = np.meshgrid(np.unique(w_list), np.unique(b_list))
surf = ax.plot_surface(w, b, mse_list, cmap=cm.coolwarm, linewidth=0, antialiased=False)
ax.set_zlim(0, 35)
ax.zaxis.set_major_locator(LinearLocator(10))
ax.zaxis.set_major_formatter('{x:.00f}')
fig.colorbar(surf, shrink=0.5, aspect=5)
ax.set_xlabel('w')
ax.set_ylabel('b')
ax.text2D(0.4, 0.92, "Cost Values", transform=ax.transAxes)
plt.show()
输出结果